信道失配條件下的話者確認研究.pdf

1、隨著科學技術(shù)的發(fā)展，說話人確認技術(shù)的研究重點逐漸從實驗室環(huán)境轉(zhuǎn)向現(xiàn)實生活中的復雜環(huán)境。這給說話人確認帶來了許多新的亟待解決的問題，信道失配就是其中的一個典型的具有代表性的問題。信道失配，是指訓練語音和測試語音分別來自不同的傳輸信道，進而導致話者確認系統(tǒng)的性能下降。
　　 本論文分析了基于GMM-UBM結(jié)構(gòu)和SVM模型的說話人確認系統(tǒng)；探討了多種在特征域、模型域和得分域中常用的信道失配補償算法；給出了基于冗余屬性投影的信道失配問題

2、的解決方案，并對冗余屬性算法進行了優(yōu)化。
　　 本論文主要的研究內(nèi)容如下：
　　 一、深入研究了基于概率統(tǒng)計高斯混合模型-通用背景模型（GMM-UBM）結(jié)構(gòu)的話者確認系統(tǒng)，探討了EM算法和MAP算法。針對概率統(tǒng)計模型的區(qū)分性不足以及區(qū)分性辨別模型對說話人個性特征描述不夠精確的問題，給出了基于GMM-SVM結(jié)構(gòu)的話者確認系統(tǒng)，利用GMM模型對特征參數(shù)進行壓縮和聚類后，采用從GMM模型中構(gòu)建出的GMM-supervector

3、作為SVM的輸入來建立目標話者模型。
　　 二、深入研究了在復雜信道條件下的說話人確認的失配補償方法，針對特征參數(shù)的倒譜均值減、相關(guān)譜濾波、特征映射等方法；針對模型的因子分析等方法；針對測試評分的測試規(guī)整等方法。在NIST數(shù)據(jù)庫上的對比試驗表明這些方法可以改善信道失配對話者確認系統(tǒng)帶來的負面影響。
　　 三、深入研究了基于GMM-SVM結(jié)構(gòu)的話者確認系統(tǒng)中的信道失配問題，給出了一種通過消除SVM輸入特征GMM-super